Kata Kunci: jaringan transmisi, identifikasi, gangguan hubung singkat, jaringan syaraf tiruan.
|
|
- Yohanes Halim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ABSTRAK Jaringan syaraf tiruan terdiri dari beberapa neuron yang saling terhubung seperti pada otak manusia. Neuron atau sel saraf adalah sebuah unit pemroses informasi yang merupakan dasar operasi jaringan syaraf tiruan. Jaringan syaraf tiruan terdiri atas beberapa elemen penghitung tak linier yang masing-masing dihubungkan melalui suatu pembobot dan tersusun secara paralel. Pembobot inilah yang nantinya akan berubah atau beradaptasi selama proses pelatihan. Jaringan syaraf tiruan dapat memberikan tanggapan yang benar walaupun masukan yang diberikan terkena derau atau berubah oleh suatu keadaan. Secara mendasar, sistem pembelajaran merupakan proses penambahan pengetahuan pada NN yang sifatnya kontinuitas sehingga pada saat digunakan pengetahuan tersebut akan dieksploitasikan secara maksimal dalam mengenali suatu objek. Penelitian ini bertujuan untuk untuk mengetahui nilai dan bentuk gelombang arus dan tegangan saat terjadi gangguan serta untuk mengetahui penggunaan jaringan syaraf tiruan dalam mengidentifikasi gangguan pada jaringan transmisi. Identifikasi jenis gangguan pada jaringan tansmisi menggunakan metode backpropagation pada jaringan syaraf tiruan. Proses training ini terdiri dari proses pelatihan terhadap gangguan hubung singkat satu fasa ke tanah, gangguan hubung singkat fasa dengan fasa, gangguan hubung singkat dua fasa dengan tanah, dan gangguan hubung singkat 3 fasa. Proses pelatihan pada jaringan transmisi ini menggunakan konfigurasi 6 data intput, 20 hidden layer, 6 data target, dan 6 output ( ). Hasil pelatihan menunjukkan bahwa nilai arus dan tegangan gangguan untuk semua jenis gangguan pada jaringan transmisi berhasil di bangkitkan, dimana output berupa nilai tegangan dan arus dari proses pelatihan akan disimpan dan dijadikan sebagai refrensi untuk menentukan jenis gangguan hubung singkat yang terjadi pada jaringan transmisi. Apabila data hasil simulasi dapat dikatakan mendekati dengan nilai output tersebut maka akan terlihat apakah jaringan transmisi berada dalam kondisi normal atau sebaliknya jaringan transmisi mengalami gangguan hubung singkat. Hal ini menunjukkan bahwa pengaplikasian jaringan syaraf tiruan dalam mengidentifikasi jenis gangguan yang terjadi dapat dikatakan berhasil. Kata Kunci: jaringan transmisi, identifikasi, gangguan hubung singkat, jaringan syaraf tiruan. viii
2 ABSTRACT Neural network system consists of some neurons that is interconnected like in human brain. Neuron or nerve cell is an information processing unit that is the base of the neural network system operation. Neural network system consists of some nonlinear counter elements that is connected to each other in parallel through a weighting. This weighting will be adapted and evolve during the exercise period. Neural network system could give a proper respond even though the given command is changed for some reason or situation. Basically, learning system is a process of adding knowledge to NN and when needed, those knowledges will be exploited or used in maximum capacity in recognizing an object, this process happen continually. The aims of this research are to know the value and the form of the current wave and voltage during disruption as well as to know the use of neural network system in identifying disruption in transmission line. Identification process of disruption type in transmission line using backpropagation method on artificial neural networks. The training process consists of the training process of the single phase short circuit to ground, short circuit phase to phase, two-phase short circuit to ground, and 3-phase short circuit. The training process on this transmission network configuration using the data intput 6, 20 hidden layer, 6 data target, and 6 outputs ( ). The test results showed that the value of current and voltage disturbance for all kinds of interference on the transmission network successfully raised, where the output of the value voltages and currents of the training process will be stored and used as a reference for determining the type of short circuit that occurred on the transmission network. If the simulation result value can be said to be close to the output of the data it will be seen whether the transmission network are in normal condition or otherwise impaired transmission line short circuit. This indicates that the application of neural network in identifying the type of disturbance can be said to be successful. Keywords: Transmission System, identification, short connection system, Neural network system. ix
3 DAFTAR ISI Halaman HALAMAN SAMPUL DEPAN... i HALAMAN SAMPUL DALAM... ii LEMBAR PERNYATAAN ORISINALITAS... iii LEMBAR PERSYARATAN GELAR... iv LEMBAR PENGESAHAN... v UCAPAN TERIMAKASIH... vi ABSTRAK... viii ABSTRACT... ix DAFTAR ISI... x DAFTAR GAMBAR... xiii DAFTAR ARTI LAMBANG, SINGKATAN, DAN ISTILAH... xvii DAFTAR LAMPIRAN... xviii BAN I PENDAHLUAN Latar Belakang Rumusan Masalah Tujuan Penelitian Manfaat Penelitian Batasan Masalah Sistematika Penulisan... 3 BAB II KAJIAN PUSTAKA Tinjauan Mutakhir Tinjauan Pustaka Saluran Transmisi Saluran Udara Tegangan Ekstra Tinggi (SUTET) Saluran Udara Tegangan Tinggi (SUTT) Saluran Kabel Tegangan Tinggi (SKTT) Gangguan Hubung Singkat Gangguan Satu Fasa dengan Tanah Gangguan Fasa dengan Fasa x
4 2.3.3 Gangguan Dua Fasa dengan Tanah Gangguan Hubung Singkat Tiga Fasa Jaringan Syaraf Tiruan Jenis-jenis Jaringan Syaraf Tiruan Single Layer Neural Network MultiLayer Perceptron Neural Network Recurrent Neural Network Backpropagation Neural Network Karakteristik Jaringan Syaraf Tiruan Faktor Bobot Fungsi Aktivasi Proses Pembelajaran pada Neural Network Supervised Learning Unsupervised Learning BAB III METODE PENELITIAN Lokasi dan Waktu Penelitian Sumber dan Jenis Data Sumber Data Jenis Data Instrumen Penelitian Tahapan Penelitian Pengumpulan Data Alur Penelitian Umum Analisis Data BAB IV HASIL DAN PEMBAHASAN Analisis dan Pembahasan Proses Pembangkitan Gelombang Tegangan dan Arus Gangguan pada Jaringan Transmisi Proses Pembangkitan Gelombang Tegangan dan Arus pada Keadaan Normal xi
5 4.2.2 Proses Pembangkitan Gelombang Tegangan dan Arus pada saat Gangguan Satu Fasa ke Tanah Proses Pembangkitan Gelombang Tegangan dan Arus pada saat Gangguan Dua Fasa ke Tanah Proses Pembangkitan Gelombang Tegangan dan Arus pada saat Gangguan Antar Fasa Proses Pembangkitan Gelombang Tegangan dan Arus pada saat Gangguan Hubung Singkat Tiga Fasa Proses Identifikasi Jenis Gangguan pada Jaringan Transmisi Menggunakan Jaringan Syaraf Tiruan Proses Pelatihan dengan Metode Jaringan Syaraf Tiruan pada Keadaan Normal Proses Pelatihan dengan Metode Jaringan Syaraf Tiruan pada saat Gangguan Satu Fasa Ke Tanah Proses Pelatihan dengan Metode Jaringan Syaraf Tiruan pada saat Gangguan Dua Fasa Ke Tanah Proses Pelatihan dengan Metode Jaringan Syaraf Tiruan pada saat Gangguan Antar Fasa Proses Pelatihan dengan Metode Jaringan Syaraf Tiruan pada saat Gangguan Hubung Singkat Tiga Fasa BAB V SIMPULAN DAN SARAN Simpulan Saran DAFTAR PUSTAKA LAMPIRAN xii
6 DAFTAR GAMBAR Halaman Gambar 2.1 Gangguan Satu Fasa ke Tanah Gambar 2.2 Gangguan Fasa dengan Fasa Gambar 2.3 Gangguan Dua Fasa ke Tanah Gambar 2.4 Gangguan Hubung Singkat Tiga Fasa Gambar 2.5 Struktur Dasar Neural Network Gambar 2.6 Single Layer Neural Network Gambar 2.7 Multilayer Perceptron Neural Netwok Gambar 2.8 Recurrent Neural Network Gambar 2.9 Arsitektur Backpropagation Neural Network Gambar 3.1 Diagram Alur Penelitian Umum Gambar 3.2 Diagram Alur Identifikasi Gangguan Jaringan Transmisi Gambar 4.1 Konfigurasi pada Proses Pelatihan Gambar 4.2 Gelombang Tegangan Tiga Fasa dalam Keadaan Normal dari Generator Satu Gambar 4.3 Gelombang Arus Tiga Fasa dalam Keadaan Normal dari Generator Satu Gambar 4.4 Gelombang Tegangan Tiga Fasa dalam Keadaan Normal dari Generator Dua Gambar 4.5 Gelombang Arus Tiga Fasa dalam Keadaan Normal dari Generator Dua Gambar 4.6 Gelombang Tegangan Setiap Fasa dalam Keadaan Normal Gambar 4.7 Gelombang Arus Setiap Fasa dalam Keadaan Normal Gambar 4.8 Gelombang Tegangan Tiga Fasa pada saat Gangguan Satu Fasa dari Generator Satu Gambar 4.9 Gelombang Arus Tiga Fasa pada saat Gangguan Satu Fasa dari Generator Satu Gambar 4.10 Gelombang Tegangan Tiga Fasa pada saat Gangguan Satu Fasa dari Generator Dua xiii
7 Gambar 4.11 Gelombang Arus Tiga Fasa pada saat Gangguan Satu Fasa dari Generator Dua Gambar 4.12 Gelombang Tegangan pada Fasa A saat Gangguan Hubung Singkat Satu Fasa ke Tanah Gambar 4.13 Gelombang Tegangan pada Fasa B dan C saat Gangguan Hubung Singkat Satu Fasa ke Tanah Gambar 4.14 Gelombang Arus pada Fasa A saat Gangguan Satu Fasa ke Tanah Gambar 4.15 Gelombang Arus pada Fasa B saat Gangguan Satu Fasa ke Tanah Gambar 4.16 Gelombang Arus pada Fasa C saat Gangguan Satu Fasa ke Tanah Gambar 4.17 Gelombang Tegangan 3 Fasa saat Gangguan Dua Fasa Ke Tanah dari Generator Satu Gambar 4.18 Gelombang Arus 3 Fasa saat Gangguan Dua Fasa Ke Tanah dari Generator Satu Gambar 4.19 Gelombang Tegangan 3 Fasa saat Gangguan Dua Fasa Ke Tanah dari Generator Dua Gambar 4.20 Gelombang Arus 3 Fasa saat Gangguan Dua Fasa Ke Tanah dari Generator Dua Gambar 4.21 Gelombang Tegangan pada Fasa A dan Fasa B saat Gangguan Dua Fasa Ke Tanah Gambar 4.22 Gelombang Tegangan pada Fasa C Saat Gangguan Dua Fasa Ke Tanah Gambar 4.23 Gelombang Arus pada Fasa A Saat Gangguan Dua Fasa Ke Tanah Gambar 4.24 Gelombang Arus pada Fasa B Saat Gangguan Dua Fasa Ke Tanah Gambar 4.25 Gelombang Arus pada Fasa C Saat Gangguan Dua Fasa Ke Tanah xiv
8 Gambar 4.26 Gelombang Tegangan 3 Fasa Saat Gangguan Hubung Singkat Antar Fasa dari Generator Satu Gambar 4.27 Gelombang Arus 3 Fasa Saat Gangguan Hubung Singkat Antar Fasa dari Generator Satu Gambar 4.28 Gelombang Tegangan 3 Fasa Saat Gangguan Hubung Singkat Antar Fasa dari Generator Dua Gambar 4.29 Gelombang Arus 3 Fasa Saat Gangguan Hubung Singkat Antar Fasa dari Generator Dua Gambar 4.30 Gelombang Tegangan pada Fasa A dan Fasa B Saat Gangguan Hubung Sinngkat Antar Fasa Gambar 4.31 Gelombang Tegangan pada Fasa C Saat Gangguan Hubung Sinngkat Antar Fasa Gambar 4.32 Gelombang Arus pada Fasa A dan Fasa B Saat Gangguan Hubung Sinngkat Antar Fasa Gambar 4.33 Gelombang Arus pada Fasa C Saat Gangguan Hubung Sinngkat Antar Fasa Gambar 4.34 Gelombang Tegangan 3 Fasa Saat Gangguan Hubung Singkat Tiga Fasa dari Generator Satu Gambar 4.35 Gelombang Arus 3 Fasa Saat Gangguan Hubung Singkat Tiga Fasa dari Generator Satu Gambar 4.36 Gelombang Tegangan 3 Fasa Saat Gangguan Hubung Singkat Tiga Fasa dari Generator Dua Gambar 4.37 Gelombang Arus 3 Fasa Saat Gangguan Hubung Singkat Tiga Fasa dari Generator Dua Gambar 4.38 Gelombang Tegangan pada Masing-Masing Fasa Saat Gangguan Hubung Singkat Tiga Fasa Gambar 4.39 Gelombang Tegangan Pada Masing-Masing Fasa Saat Gangguan Hubung Singkat Tiga Fasa Gambar 4.40 Gelombang Arus Fasa C Saat Gangguan Hubung Singkat Tiga Fasa Gambar 4.41 Hasil Training pada Saat Keadaan Normal xv
9 Gambar 4.42 Hasil Performance Saat Keadaan Normal Gambar 4.43 Hasil Regression Saat keadaan normal Gambar 4.44 Hasil output Saat keadaan normal Gambar 4.45 Hasil Training Saat Gangguan Satu Fasa Ke Tanah Gambar 4.46 Hasil Performance Saat Gangguan Satu Fasa Ke Tanah Gambar 4.47 Hasil Regression Saat Gangguan Satu Fasa Ke Tanah Gambar 4.48 Hasil Output Saat Gangguan Satu Fasa Ke Tanah Gambar 4.49 Hasil Training Saat Gangguan Dua Fasa Ke Tanah Gambar 4.50 Hasil Performance Saat Gangguan Dua Fasa Ke Tanah Gambar 4.51 Hasil Regression Saat Gangguan Dua Fasa Ke Tanah Gambar 4.52 Hasil Output Saat Gangguan Dua Fasa Ke Tanah Gambar 4.53 Hasil Training Saat Gangguan Antar Fasa Gambar 4.54 Hasil Performance Saat Gangguan Antar Fasa Gambar 4.55 Hasil Regression Saat Gangguan Antar Fasa Gambar 4.56 Hasil Regression Saat Gangguan Antar Fasa Gambar 4.57 Hasil Training Saat Gangguan Hubung Singkat Tiga Fasa Gambar 4.58 Hasil Performance Saat Gangguan Hubung Singkat Tiga Fasa 61 Gambar 4.59 Hasil Regression Saat Gangguan Hubung Singkat Tiga Fasa Gambar 4.60 Hasil Regression Saat Gangguan Hubung Singkat Tiga Fasa xvi
10 DAFTAR ARTI LAMBANG, SINGKATAN, DAN ISTILAH NN SUTET SUTT SKTT Epoch MU MSE Performance Regression Neural Network Saluran Udara Tegangan Ekstra Tinggi Saluran Udara Tegangan Tinggi Saluran Kabel Tegangan Tinggi Jumlah iterasi yang digunakan atau jumlah iterasi yang dibatasi pada proses pelatihan dengan menggunakan metode jaringan syaraf tiruan Merupakan parameter kontrol untuk algoritma yang digunakan untuk melatih jaringan syaraf tiruan Mean Squared Eror Perbandingan antara nilai MSE dengan epoch Perbandingan antara nilai output dengan target xvii
11 DAFTAR LAMPIRAN Halaman JADWAL KEGIATAN SKEMA RANGKAIAN JARINGAN TRANSMISI DATA INPUT DAN TARGET DATA OUTPUT DARI PROSES PELATIHAN xviii
12 BAB I PENDAHULUAN 1.1 Latar Belakang Jaringan transmisi merupakan proses penyaluran tenaga listrik dari pembangkit listrik sampai pada distribution station hingga sampai pada konsumen pengguna listrik melalui suatu bahan konduktor. Penyaluran tenaga listrik pada jaringan transmisi menggunakan arus bolak-balik (AC) dengan sistem tiga phasa. Saluran transmisi menggunakan sistem arus bolak-balik tiga-phasa memiliki beberapa kelebihan antar lain pembangkitan yang dilakukan lebih mudah, dapat menghasilkan medan magnet putar, pengubahan tegangannya lebih mudah dan dengan sistem tiga-phasa, daya yang disalurkan lebih besar dengan nilai sesaat yang konstan. Jaringan saraf tiruan (JST) atau secara umum sering disebut neural network (NN) adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf manusia. Jaringan syaraf tiruan merupakan sistem adaptif yang dapat merubah struktur untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan. Secara sederhana, jaringan syaraf tiruan adalah sebuah alat pemodelan data statistik yang berubah setiap waktu dan berlangsung secara kontinyu. Jaringan syaraf tiruan dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data. Pada jaringan transmisi sering terjadi berbagai macam jenis gangguan, antara lain gangguan satu phasa ke tanah, gangguan phasa ke phasa, gangguan dua phasa ke tanah dan gangguan tiga phasa. Pendeteksian terhadap gangguan tersebut dapat dilakukan dengan metode jaringan syaraf tiruan. Penggunaan metode jaringan syaraf tiruan ini dipilih karena dapat mendeteksi jenis gangguan yang terjadi secara akurat dan cepat pada sistem saluran transmisi (Singh dkk, 2014). Jaringan syaraf tiruan memiliki beberapa kelebihan yaitu mampu melakukan generalisasi dan ekstraksi dari suatu pola data tertentu, jaringan syaraf tiruan juga dapat 1
13 2 menciptakan suatu pola pengetahuan melalui kemampuan belajar (self organizing), memiliki fault tolerance, kemampuan perhitungan secara paralel sehingga proses lebih singkat. (Jamil dkk, 2015). 1.2 Rumusan Masalah Adapun rumusan masalah dalam tugas akhir ini adalah sebagai berikut: 1. Bagaimanakah membangkitkan arus dan tegangan gangguan untuk semua jenis gangguan saluran transmisi dengan menggunakan simulasi? 2. Bagaimanakah pengaplikasian jaringan syaraf tiruan dalam mengidentifikasi suatu gangguan yang terjadi pada sistem saluran transmisi? 1.3 Tujuan Penelitian Adapun tujuan dari penelitian ini adalah sebagai berikut: 1. Untuk mengetahui nilai dan bentuk gelombang arus dan tegangan saat terjadi gangguan. 2. Untuk mengetahui penggunaan jaringan syaraf tiruan dalam mengidentifikasi gangguan pada jaringan transmisi. 1.4 Manfaat Penelitian Dari tujuan penulisan yang telah dipaparkan, maka manfaat yang di dapatkan dari penulisan tugas akhir ini yakni : 1. Hasil dari penelitian ini dapat digunakan sebagai input data dari sistem proteksi pada saluran transmisi. 2. Hasil dari penelitian ini dapat digunakan sebagai pendeteksi terhadap jenis gangguan yang terjadi pada saluran transmisi secara real time. 1.5 Batasan Masalah Untuk menghindari meluasnya masalah yang dibahas, maka pada tugas akhir ini permasalahan yang dibahas yakni penggunaan jaringan syaraf tiruan sebagai alat untuk mengidentifikasi suatu gangguan yang terjadi dalam sistem saluran transmisi. Jaringan syaraf tiruan sebagai metode identifikasi gangguan transmisi dalam penelitian ini hanya sampai pada tahap pelatihan saja. Jenis gangguan yang akan di deteksi adalah empat jenis gangguan, antara lain gangguan satu phasa ke
14 3 tanah, gangguan antar phasa, gangguan dua phasa ke tanah, dan gangguan tiga phasa. 1.6 Sistematika Penulisan Sistematika penulisan dalam tugas akhir ini adalah sebagai berikut: BAB I : PENDAHULUAN Bab ini merupakan pembahasan dan gambaran umum yang berisikan latar belakang permasalahan, rumusan masalah, tujuan penelitian, manfaat penelitian, ruang lingkup dan batasan masalah, serta sistematika penulisan. BAB II : KAJIAN PUSTAKA Bab ini membahas mengenai State of The Art dan menguraikan dasar-dasar teori yang menunjang dan mendukung pembahasan identifikasi jenis gangguan pada jaringan transmisi menggunakan metode jaringan syaraf tiruan BAB III : METODE PENELITIAN Bab ini menguraikan langkah-langkah dalam analisis dan pembahasan penelitian, dan juga diuraikan lokasi dan waktu penelitian, sumber dan jenis data penelitian, jenis data yang digunakan, teknik pengumpulan data, tahapan penelitian dan alur analisis dari penelitian tersebut. BAB IV : HASIL DAN PEMBAHASAN Bab ini menganalisa data hasil penelitian yang diperoleh untuk mengetahui realisasi dari identifikasi jenis gangguan pada jaringan transmisi menggunakan metode jaringan syaraf tiruan Selain itu untuk mengetahui nilai dan bentuk gelombang arus dan tegangan saat terjadi gangguan.
15 4 BAB V : PENUTUP Bab ini berisikan kesimpulan dari pembahasan yang dilakukan serta saran saat pengimplementasian dan pengembangan tugas akhir kedepannya.
ANALISIS DAN PERACANGAN APLIKASI SISTEM PENDETEKSI GANGGUAN JARINGAN KOMPUTER MENGGUNAKAN MULTILAYER DENGAN PELATIHAN FEEDFORWARD SKRIPSI
ANALISIS DAN PERACANGAN APLIKASI SISTEM PENDETEKSI GANGGUAN JARINGAN KOMPUTER MENGGUNAKAN MULTILAYER DENGAN PELATIHAN FEEDFORWARD SKRIPSI SISKA MELINWATI 061401040 PROGRAM STUDI SARJANA ILMU KOMPUTER DEPARTEMEN
Lebih terperinciBAB II NEURAL NETWORK (NN)
BAB II NEURAL NETWORK (NN) 2.1 Neural Network (NN) Secara umum Neural Network (NN) adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan syaraf manusia. NN ini merupakan
Lebih terperinciABSTRAK. v Universitas Kristen Maranatha. Kata kunci: backpropagation, Multilayer Perceptron (MLP), masalah klasifikasi
ABSTRAK Salah satu fungsi dari pengklasifian data adalah untuk dapat mengenali objek baru. Sebuah sistem komputer yang berbentuk Multilayer Perceptron (MLP), dengan algoritma backpropagation mampu membantu
Lebih terperinciABSTRAK. Kata Kunci : Artificial Neural Network(ANN), Backpropagation(BP), Levenberg Marquardt (LM), harga emas, Mean Squared Error(MSE), prediksi.
ABSTRAK Prediksi harga emas merupakan masalah yang sangat penting dalam menentukan pengambilan keputusan perdagangan dalam pertambangan. Prediksi yang akurat untuk pertambangan dapat memberikan keuntungan
Lebih terperinciJARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM
JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM INTRODUCTION Jaringan Saraf Tiruan atau JST adalah merupakan salah satu representasi tiruan dari otak manusia yang selalu
Lebih terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION ABSTRAK Juventus Suharta (0722026) Jurusan Teknik Elektro
Lebih terperinciPenerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6
Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6 Sari Indah Anatta Setiawan SofTech, Tangerang, Indonesia cu.softech@gmail.com Diterima 30 November 2011 Disetujui 14 Desember 2011
Lebih terperinciLAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM
LAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM Oleh : Saeful Anwar 2009-51-030 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT
Lebih terperinciNeural Network (NN) Keuntungan penggunaan Neural Network : , terdapat tiga jenis neural network Proses Pembelajaran pada Neural Network
Neural Network (NN) adalah suatu prosesor yang melakukan pendistribusian secara besar-besaran, yang memiliki kecenderungan alami untuk menyimpan suatu pengenalan yang pernah dialaminya, dengan kata lain
Lebih terperinciArchitecture Net, Simple Neural Net
Architecture Net, Simple Neural Net 1 Materi 1. Model Neuron JST 2. Arsitektur JST 3. Jenis Arsitektur JST 4. MsCulloh Pitts 5. Jaringan Hebb 2 Model Neuron JST X1 W1 z n wi xi; i1 y H ( z) Y1 X2 Y2 W2
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Jaringan Syaraf Tiruan Artificial Neural Network atau Jaringan Syaraf Tiruan (JST) adalah salah satu cabang dari Artificial Intelligence. JST merupakan suatu sistem pemrosesan
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciBAB V PENUTUP 5.1 Simpulan Saran DAFTAR PUSTAKA LAMPIRAN LAMPIRAN
DAFTAR ISI HALAMAN SAMPUL DALAM... i PRASYARAT GELAR... ii LEMBAR PERNYATAAN ORISINALITAS... iii LEMBAR PERSETUJUAN PEMBIMBING... iv UCAPAN TERIMAKASIH... v ABSTRAK... vii ABSTRACT... viii DAFTAR ISI...
Lebih terperinciBAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu
BAB 2 LANDASAN TEORI 2.1 Pengenalan Suara. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu speech recognition dan speaker recognition. Speech recognition adalah proses yang dilakukan
Lebih terperinciADLN - Perpustakaan Universitas Airlangga ABSTRAK. viii
Muhammad Arif Santoso, 2015. Peramalan Penjualan Produk Menggunakan Jaringan Syaraf Tiruan Metode Extreme Learning Machine. Skripsi ini dibawah bimbingan Auli Damayanti,S.Si, M.Si dan Dr. Herry Suprajitno,
Lebih terperinciABSTRAK Kata Kunci :
ABSTRAK Transformator 3 pada GI Pesanggaran mendapat penambahan 4 blok pembangkit dengan daya maksimum sebesar 60 MW daya dari keempat blok pembangkit tersebut digunakan untuk mensuplai beban penyulang
Lebih terperinciJaringan syaraf dengan lapisan tunggal
Jaringan syaraf adalah merupakan salah satu representasi buatan dari otak manusia yang mencoba untuk mensimulasikan proses pembelajaran pada otak manusia. Syaraf manusia Jaringan syaraf dengan lapisan
Lebih terperinciMENGENALI FUNGSI LOGIKA AND MELALUI PEMROGRAMAN PERCEPTRON DENGAN MATLAB
POLITEKNOSAINS VOL. X NO. 2 Juni 2011 MENGENALI FUNGSI LOGIKA AND MELALUI PEMROGRAMAN PERCEPTRON DENGAN MATLAB Yaya Finayani Teknik Elektro, Politeknik Pratama Mulia, Surakarta 57149, Indonesia ABSTRACT
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION Disusun oleh: Togu Pangaribuan 0722087 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.Drg. Suria Sumantri, MPH No. 65, Bandung
Lebih terperinciJaringan Syaraf Tiruan
07/06/06 Rumusan: Jaringan Syaraf Tiruan Shinta P. Sari Manusia = tangan + kaki + mulut + mata + hidung + Kepala + telinga Otak Manusia Bertugas untuk memproses informasi Seperti prosesor sederhana Masing-masing
Lebih terperinciPREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK
Berkala Fisika ISSN : 1410-9662 Vol.18, No.4, Oktober 2015, hal 151-156 PREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK Zaenal
Lebih terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciPERAMALAN BEBAN JANGKA PENDEK PADA HARI LIBUR DI BALI MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN)
SKRIPSI PERAMALAN BEBAN JANGKA PENDEK PADA HARI LIBUR DI BALI MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN) JUNIAR DOAN WIHARDONO JURUSAN TEKNIK ELEKTRO DAN KOMPUTER FAKULTAS TEKNIK UNIVERSITAS
Lebih terperinciBAB I PENDAHULUAN. universitas swasta yang memiliki 7 Fakultas dengan 21 Program Studi yang
BAB I PENDAHULUAN A. Latar Belakang Masalah Universitas Muhammadiyah Ponorogo merupakan salah satu universitas swasta yang memiliki 7 Fakultas dengan 21 Program Studi yang terdiri dari : 3 program studi
Lebih terperinciPERBANDINGAN BEBERAPA MODEL UNTUK KINERJA ALGORITMA BACKPROPAGATION COMPARISON OF SOME MODEL FOR PEFORMANCE IMPROVEMENT IN BACKPROPAGATION ALGORITHM
JURNAL TEKNOLOGI INFORMASI DAN KOMUNIKASI Vol.6 No. 2, Desember 217 : 8-91 PERBANDINGAN BEBERAPA MODEL UNTUK KINERJA ALGORITMA BACKPROPAGATION COMPARISON OF SOME MODEL FOR PEFORMANCE IMPROVEMENT IN BACKPROPAGATION
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.6. Jaringan Syaraf Tiruan Jaringan syaraf tiruan atau neural network merupakan suatu sistem informasi yang mempunyai cara kerja dan karakteristik menyerupai jaringan syaraf pada
Lebih terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN Titik Misriati AMIK BSI Jakarta Jl. R.S Fatmawati No. 24 Pondok Labu, Jakarta Selatan titik.tmi@bsi.ac.id ABSTRACT
Lebih terperinciHALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK
HALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK Oleh: MOH SHOCHWIL WIDAT 2011-51-034 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK
Lebih terperinciDAFTAR ISI JUDUL... LEMBAR PRASYARAT GELAR... LEMBAR PERNYATAAN ORISINALITAS... LEMBAR PENGESAHAN... UCAPAN TERIMAKASIH... ABSTRAK...
DAFTAR ISI JUDUL... LEMBAR PRASYARAT GELAR... LEMBAR PERNYATAAN ORISINALITAS... LEMBAR PENGESAHAN... UCAPAN TERIMAKASIH... ABSTRAK... ABSRACT... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN...
Lebih terperinciPENENTUAN LOKASI GANGGUAN HUBUNG SINGKAT PADA SALURAN TRANSMISI MENGGUNAKAN TRANSFORMASI WAVELET. Oleh : RHOBI ROZIEANSHAH NIM : 13203054
PENENTUAN LOKASI GANGGUAN HUBUNG SINGKAT PADA SALURAN TRANSMISI MENGGUNAKAN TRANSFORMASI WAVELET LAPORAN TUGAS AKHIR Dibuat sebagai Syarat untuk Meraih Gelar Sarjana Teknik Elektro dari Institut Teknologi
Lebih terperinciMODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA
MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA Ramli e-mail:ramli.brt@gmail.com Dosen Tetap Amik Harapan Medan ABSTRAK Jaringan Syaraf Tiruan adalah pemrosesan
Lebih terperinciPENGENALAN HURUF HASIL DARI TULISAN TANGAN MENGGUNAKAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION
PENGENALAN HURUF HASIL DARI TULISAN TANGAN MENGGUNAKAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION ABSTRAK Gerald Patrick Siahainenia (0522128) Jurusan Teknik Elektro email : gerald_patrick2000@yahoo.com
Lebih terperinciPREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION
JIMT Vol. 4 No. Juni 207 (Hal 47-55) ISSN : 2450 766X PREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION J.R. Mustakim, R. Ratianingsih 2 dan D. Lusiyanti 3,2,3 Program Studi
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinciBACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA
BACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA Anggi Purnama Undergraduate Program, Computer Science, 2007 Gunadarma Universiy http://www.gunadarma.ac.id
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Jaringan Syaraf Biologi Jaringan Syaraf Tiruan merupakan suatu representasi buatan dari otak manusia yang dibuat agar dapat mensimulasikan apa yang dipejalari melalui proses pembelajaran
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
7 BAB 2 TINJAUAN PUSTAKA 21 Anatomi Ayam Pengetahuan tentang anatomi ayam sangat diperlukan dan penting dalam pencegahan dan penanganan penyakit Hal ini karena pengetahuan tersebut dipakai sebagai dasar
Lebih terperinci2.2.6 Daerah Proteksi (Protective Zone) Bagian-bagian Sistem Pengaman Rele a. Jenis-jenis Rele b.
DAFTAR ISI JUDUL SAMPUL DALAM... ii LEMBAR PERNYATAAN ORISINALITAS... iii LEMBAR PERSYARATAN GELAR... iv LEMBAR PENGESAHAN... v UCAPAN TERIMA KASIH... vi ABSTRAK... viii ABSTRACT... ix DAFTAR ISI... x
Lebih terperinciBAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)
BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) Kompetensi : 1. Mahasiswa memahami konsep Jaringan Syaraf Tiruan Sub Kompetensi : 1. Dapat mengetahui sejarah JST 2. Dapat mengetahui macam-macam
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
7 UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 PERANCANGAN APLIKASI PENGENAL PLAT NOMOR KENDARAAN BERMOTOR DENGAN PENDEKATAN BACKPROPAGATION
Lebih terperinciDAFTAR ISI SAMPUL DALAM...
DAFTAR ISI SAMPUL DALAM... i PRASYARAT GELAR... ii LEMBAR PERNYATAAN ORISINALITAS... iii LEMBAR PENGESAHAN... iv UCAPAN TERIMAKASIH... v ABSTRAK... vii ABSTRACT... viii DAFTAR ISI... ix DAFTAR GAMBAR...
Lebih terperinciSTUDI PERHITUNGAN RELAY JARAK PADA SALURAN DOUBLE CIRCUIT
TUGAS AKHIR STUDI PERHITUNGAN RELAY JARAK PADA SALURAN DOUBLE CIRCUIT DENGAN SINGLE CONDUCTOR ANTARA GI KAPAL - GI PEMECUTAN KELOD MENGGUNAKAN ARTIFICIAL NEURAL NETWORK (ANN) ALFIAN BUDY HADIANTO JURUSAN
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PESERTA KB BARU DI KABUPATEN SEMARANG DENGAN METODE BACKPROPAGATION
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PESERTA KB BARU DI KABUPATEN SEMARANG DENGAN METODE BACKPROPAGATION Restiana Putri Abstract - On a government agencies Badan Keluarga Berencana
Lebih terperinciSebelumnya... Pembelajaran Mesin/Machine Learning Pembelajaran dengan Decision Tree (ID3) Teori Bayes dalam Pembelajaran
Sebelumnya... Pembelajaran Mesin/Machine Learning Pembelajaran dengan Decision Tree (ID3) Teori Bayes dalam Pembelajaran Kecerdasan Buatan Pertemuan 11 Jaringan Syaraf Tiruan (Artificial Neural Network)
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN JARINGAN SARAF TIRUAN ELMAN DENGAN ALGORITME GRADIENT DESCENT ADAPTIVE LEARNING RATE
PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN JARINGAN SARAF TIRUAN ELMAN DENGAN ALGORITME GRADIENT DESCENT ADAPTIVE LEARNING RATE oleh BETA VITAYANTI M0110012 SKRIPSI Ditulis dan diajukan untuk
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Jaringan Syaraf Tiruan (artificial neural network), atau disingkat JST menurut Hermawan (2006, hlm.37) adalah sistem komputasi dimana arsitektur dan operasi
Lebih terperinciKata kunci : Hubung Singkat 3 Fasa, Kedip Tegangan, Dynamic Voltage Restorer, Simulink Matlab.
ABSTRAK Banyaknya gangguan yang timbul dalam pendistribusian energi listrik dapat mengakibatkan menurunnya kualitas daya listrik. Salah satu gangguan yang timbul dalam pendistribusian tenaga listrik yaitu
Lebih terperinciANALISIS KEDIP TEGANGAN AKIBAT GANGGUAN HUBUNG SINGKAT PADA PENYULANG ABANG DI KARANGASEM
SKRIPSI ANALISIS KEDIP TEGANGAN AKIBAT GANGGUAN HUBUNG SINGKAT PADA PENYULANG ABANG DI KARANGASEM I MADE YOGA DWIPAYANA JURUSAN TEKNIK ELEKTRO DAN KOMPUTER FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN
Lebih terperinciSIMULASI OPTIMASI PENEMPATAN KAPASITOR MENGGUNAKAN METODA ALGORITMA KUANTUM PADA SISTEM TEGANGAN MENENGAH REGION JAWA BARAT
SIMULASI OPTIMASI PENEMPATAN KAPASITOR MENGGUNAKAN METODA ALGORITMA KUANTUM PADA SISTEM TEGANGAN MENENGAH REGION JAWA BARAT Mart Christo Belfry NRP : 1022040 E-mail : martchristogultom@gmail.com ABSTRAK
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION ABSTRAK Eka Putri Tambun (0722118) Jurusan Teknik Elektro Universitas Kristen
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR
Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI
Lebih terperinciAplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa dan Kebutuhan Sistem Analisa sistem merupakan penjabaran deskripsi dari sistem yang akan dibangun kali ini. Sistem berfungsi untuk membantu menganalisis
Lebih terperinciAnalisis Jaringan Saraf Tiruan dengan Metode Backpropagation Untuk Mendeteksi Gangguan Psikologi
Analisis Jaringan Saraf Tiruan dengan Metode Backpropagation Untuk Mendeteksi Gangguan Psikologi Kiki, Sri Kusumadewi Laboratorium Komputasi & Sistem Cerdas Jurusan Teknik Informatika, Fakultas Teknologi
Lebih terperinciDAFTAR ISI. Halaman Judul. Lembar Pengesahan Pembimbing. Lembar Pernyataan Keaslian. Lembar Pengesahan Penguji. Halaman Persembahan.
xi DAFTAR ISI Halaman Judul Lembar Pengesahan Pembimbing Lembar Pernyataan Keaslian Lembar Pengesahan Penguji Halaman Persembahan Halaman Motto Kata Pengantar Abstraksi Daftar Isi Daftar Gambar Daftar
Lebih terperinciAPLIKASI JARINGAN SARAF TIRUAN METODE PERCEPTRON PADA PENGENALAN POLA NOTASI
APLIKASI JARINGAN SARAF TIRUAN METODE PERCEPTRON PADA PENGENALAN POLA NOTASI Muhamad Arifin SMK Telkom Malang Email: arifin@smktelkom-mlg.sch.id Khoirudin Asfani Fakultas Teknik, Universitas Negeri Malang
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK ECG atau elektrocardiogram merupakan suatu perekaman aktivitas listrik dari pola sinyal detak jantung. Aktivitas listrik dari sel yang dicatat secara grafik dengan perantaraan elektroda intrasel
Lebih terperinciBAB 1 PENDAHULUAN. 1 Universitas Kristen Maranatha. Gambar 1.1 : Ilustrasi jaringan syaraf manusia yang diadaptasi untuk ANN (Kriesel, 2011)
BAB 1 PENDAHULUAN 1.1 Latar Belakang Rentannya kesalahan yang dapat terjadi oleh pekerjaan yang dilakukan oleh manusia dalam menganalisa, atau ketika mencoba membangun relasi antar fitur yang berjumlah
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Metoda analisa data secara statistik dapat diaplikasikan untuk mendapatkan pengertian terhadap proses-proses yang berubah waktu yang sangat kompleks untuk dimodelkan secara analitik. Data pertama-tama
Lebih terperinciJurnal Elektro ELTEK Vol. 2, No. 1, April 2011 ISSN:
Perbandingan Penggunaan Metode Radial Basis Function Network () Dari Metode Fuzzy Neural Netwotk () Dalam Memperkirakan Beban Jangka Pendek di GI. Gondang Wetan Pasuruan Rory Asrial, Almizan Abdullah,
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION Alvama Pattiserlihun, Andreas Setiawan, Suryasatriya Trihandaru Program Studi Fisika, Fakultas Sains dan Matematika,
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA (Studi Eksplorasi Pengembangan Pengolahan Lembar Jawaban Ujian Soal Pilihan Ganda di
Lebih terperinciDAFTAR ISI. Kata Pengantar Daftar Isi Daftar Tabel Daftar Gambar
DAFTAR ISI Halaman Judul i Surat Pernyataan ii Lembar Pengesahan Pembimbing iii Lembar Pengesahan Penguji iv Pernyataan Persetujuan Publikasi Ilmiah v Lembar Persembahan vi Motto vii Kata Pengantar viii
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No. 1, Juni 2015 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Jaringan Syaraf Tiruan untuk Memprediksi Prestasi
Lebih terperinciRealisasi Pengenalan Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan dengan Metode Kohonen
Realisasi Pengenalan Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan dengan Metode Kohonen David Novyanto Candra/0322003 Email: dave_christnc@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Jln.Prof.Drg.Suria
Lebih terperinciPENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION SKRIPSI
PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION (Studi Kasus : Harga Penutupan Saham Unilever Indonesia Tbk. Periode September
Lebih terperinciANALISIS DAN PERANCANGAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION PADA APLIKASI PENGENALAN TANDA TANGAN
Analisis dan Perancangan Tanda Tangan Wilis K, Fani W, Heru Cahya R ANALISIS DAN PERANCANGAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION PADA APLIKASI PENGENALAN TANDA TANGAN Wilis Kaswidjanti,
Lebih terperinciKLASIFIKASI ARITMIA EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN FUNGSI AKTIVASI ADAPTIF
KLASIFIKASI ARITMIA EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN FUNGSI AKTIVASI ADAPTIF Asti Rahma Julian 1, Nanik Suciati 2, Darlis Herumurti 3 Teknik Informatika, Fakultas Teknologi Informasi, ITS
Lebih terperinci1. Pendahuluan 1.1 Latar belakang masalah
1. Pendahuluan 1.1 Latar belakang masalah Emas adalah unsur kimia dalam tabel periodik yang memiliki simbol Au (bahasa Latin: 'aurum') dan nomor atom 79. Emas digunakan sebagai standar keuangan di banyak
Lebih terperinciNOISE REMOVAL PADA TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN
NOISE REMOVAL PADA TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN Denny Susanto (1022029) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof. Drg. Suria Sumantri, MPH no.65,
Lebih terperinciBeban Linier Beban Non Linier Harmonisa Total Harmonic Distortion (THD)
DAFTAR ISI JUDUL... i LEMBAR PERNYATAAN ORISINALITAS... ii LEMBAR PERSYARATAN GELAR SARJANA... iii LEMBAR PERSETUJUAN PEMBIMBING... iv KATA PENGANTAR... v ABSTRAK... vi ABSTRACT... vii DAFTAR ISI... viii
Lebih terperinciPENGENALAN POLA PIN BARCODE MENGGUNAKAN METODE BACKPROPAGATION DAN METODE PERCEPTRON SKRIPSI ARDI HASIHOLAN
PENGENALAN POLA PIN BARCODE MENGGUNAKAN METODE BACKPROPAGATION DAN METODE PERCEPTRON SKRIPSI ARDI HASIHOLAN 091401072 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS
Lebih terperinciNeural Networks. Machine Learning
MMA10991 Topik Khusus - Machine Learning Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439, Fax. +62-21-7863439,
Lebih terperinciJARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENDETEKSI GANGGUAN PSIKOLOGI
Media Informatika, Vol. 2, No. 2, Desember 2004, 1-11 ISSN: 0854-4743 JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENDETEKSI GANGGUAN PSIKOLOGI Kiki, Sri Kusumadewi Jurusan Teknik Informatika,
Lebih terperinciDESAIN GENERATOR MAGNET PERMANEN SEBAGAI PEMBANGKIT LISTRIK TENAGA ANGIN PADA DAERAH KECEPATAN ANGIN RENDAH TUGAS AKHIR
DESAIN GENERATOR MAGNET PERMANEN SEBAGAI PEMBANGKIT LISTRIK TENAGA ANGIN PADA DAERAH KECEPATAN ANGIN RENDAH TUGAS AKHIR Disusun Sebagai Salah Satu Syarat Menyelesaikan Program Strata Satu (S1) Program
Lebih terperinciIDENTIFIKASI VARIETAS UNGGUL BENIH KEDELAI BERDASARKAN WARNA DENGAN JARINGAN SARAF TIRUAN
IDENTIFIKASI VARIETAS UNGGUL BENIH KEDELAI BERDASARKAN WARNA DENGAN JARINGAN SARAF TIRUAN Galih Probo Kusuma, Dr Melania Suweni Muntini, MT Jurusan Fisika Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciAbstract. Keywords: Artificial Neural Network
Abstract Artificial Neural Network is one of the technologies which have developed because of Information Technology development itself. Nowadays, more and more large companies are implementing Artificial
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION Zulkarnain Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja
Lebih terperinciBAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara
BAB II DASAR TEORI Landasan teori adalah teori-teori yang relevan dan dapat digunakan untuk menjelaskan variabel-variabel penelitian. Landasan teori ini juga berfungsi sebagai dasar untuk memberi jawaban
Lebih terperinciPENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS MULTILAYER PERCEPTRON
PENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS MULTILAYER PERCEPTRON Disusun oleh : Nama : J. Rio Sihombing NRP : 0322129 Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinci1 PENDAHULUAN 1.1 Latar Belakang
1 PENDAHULUAN 1.1 Latar Belakang Curah hujan merupakan faktor yang berpengaruh langsung terhadap perubahan cuaca yang semakin memburuk. Curah hujan merupakan total air hujan yang terjatuh pada permukaan
Lebih terperinciKlasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan
JURNAL TEKNIK POMITS 1-7 1 Klasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan Dhita Azzahra Pancorowati, M. Arief Bustomi Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Lebih terperinciPengelompokan Huruf Cetak Menggunakan Algoritma Adaptive Resonance Theory 1 (ART 1)
Pengelompokan Huruf Cetak Menggunakan Algoritma Adaptive Resonance Theory 1 (ART 1) Elisabeth Lany Oktorina/0222135 Email: geffen_ladi@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Jln.Prof.Drg.Suria
Lebih terperinciPERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN
PERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN MENGGUNAKAN HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE NEURAL NETWORK Disusun oleh : Berta Elvionita Fitriani 24010211120005
Lebih terperinciSLOPE CORRECTION PADA TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
SLOPE CORRECTION PADA TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN Disusun Oleh : Apriliyanto Taufik Betama (1022070) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. drg. Suria Sumantri, MPH, No.
Lebih terperinciDAFTAR ISI LEMBAR PERNYATAAN KEASLIAN HALAMAN PERSEMBAHAN HALAMAN MOTTO KATA PENGANTAR ABSTRAK DAFTAR GAMBAR DAFTAR TABEL BAB I PENDAHULUAN 1
DAFTAR ISI LEMBAR PENGESAHAN PEMBIMBING Error! Bookmark not defined. LEMBAR PERNYATAAN KEASLIAN iii LEMBAR PENGESAHAN PENGUJI Error! Bookmark not defined. HALAMAN PERSEMBAHAN v HALAMAN MOTTO vi KATA PENGANTAR
Lebih terperinciTeknologi Elektro, Vol. 15, No.2, Juli - Desember
Teknologi Elektro, Vol. 15, No.2, Juli - Desember 2016 59 STUDI PERHITUNGAN RELAY JARAK PADA SALURAN DOUBLE CIRCUIT DENGAN SINGLE CONDUCTOR ANTARA GI KAPAL - GI PEMECUTAN KELOD MENGGUNAKAN ARTIFICIAL NEURAL
Lebih terperinciSIMULASI OPTIMASI PENEMPATAN KAPASITOR MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA PADA SISTEM TEGANGAN MENENGAH REGION JAWA BARAT
SIMULASI OPTIMASI PENEMPATAN KAPASITOR MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA PADA SISTEM TEGANGAN MENENGAH REGION JAWA BARAT Gahara Nur Eka Putra NRP : 1022045 E-mail : bb.201smg@gmail.com ABSTRAK
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Forecasting Forecasting (peramalan) adalah seni dan ilmu untuk memperkirakan kejadian di masa yang akan datang. Hal ini dapat dilakukan dengan melibatkan data historis dan memproyeksikannya
Lebih terperinciSTUDI ESTIMASI CURAH HUJAN, SUHU DAN KELEMBABAN UDARA DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
STUDI ESTIMASI CURAH HUJAN, SUHU DAN KELEMBABAN UDARA DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Muh. Ishak Jumarang 1), Lyra Andromeda 2) dan Bintoro Siswo Nugroho 3) 1,3) Jurusan Fisika,
Lebih terperinciANALISIS KETIDAKSEIMBANGAN BEBAN PADA JARINGAN DISTRIBUSI SEKUNDER GARDU DISTRIBUSI DS 0587 DI PT. PLN (Persero) DISTRIBUSI BALI RAYON DENPASAR
SKRIPSI ANALISIS KETIDAKSEIMBANGAN BEBAN PADA JARINGAN DISTRIBUSI SEKUNDER GARDU DISTRIBUSI DS 0587 DI PT. PLN (Persero) DISTRIBUSI BALI RAYON DENPASAR WAHYU SUSONGKO NIM. 0819451020 JURUSAN TEKNIK ELEKTRO
Lebih terperinci2.1. Dasar Teori Bandwidth Regression
2.1. Dasar Teori 2.1.1. Bandwidth Bandwidth adalah ukuran kapasitas dari sistem transmisi (Comer, 2004) Bandwidth adalah konsep pengukuran yang sangat penting dalam jaringan, tetapi konsep ini memiliki
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK [1] Meishytah Eka Aprilianti, [2] Dedi Triyanto, [3] Ilhamsyah [1] [2] [3] Jurusan Sistem Komputer, Fakultas
Lebih terperinciESTIMASI PRODUKTIVITAS PEKERJA KONSTRUKSI DENGAN PROBABILISTIC NEURAL NETWORK
ESTIMASI PRODUKTIVITAS PEKERJA KONSTRUKSI DENGAN PROBABILISTIC NEURAL NETWORK Lila Ayu Ratna Winanda Dosen Teknik Sipil FTSP ITN Malang ABSTRAKSI Pekerjaan konstruksi yang tengah menggeliat bangkit tidak
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Pelaksanaan penelitian ini, memerlukan banyak hal yang harus
BAB III METODOLOGI PENELITIAN III.1 Diagram Alur (Flowchart) Pelaksanaan penelitian ini, memerlukan banyak hal yang harus diperhatikan sebagai persiapan dalam melakukan penelitian. Tujuannya agar memperkecil
Lebih terperinciKINERJA ARSITEKTUR MADALINE DALAM MEMPREDIKSI CUACA DENGAN MENGGUNAKAN PARAMETER SUHU, KELEMBAPAN UDARA DAN CURAH HUJAN
KINERJA ARSITEKTUR MADALINE DALAM MEMPREDIKSI CUACA DENGAN MENGGUNAKAN PARAMETER SUHU, KELEMBAPAN UDARA DAN CURAH HUJAN Dianta Hasri Natalius Barus / 0422083 Jurusan Teknik Elektro, Fakultas Teknik, Jl.
Lebih terperinci